Видеоархив смыслов

  на базе видеосемантики Short Data

Если XX-ый век был веком информации, 
то XXI-ый – век переизбытка информации
(Спецлаб)


Чем Short data отличаются от Big data?

Если говорить примитивно, в «Short Data» отсутствуют формализованные данные, да и вообще какой-либо текст – основа понимания компьютером человека. Но ключевые фразы, адреса, персональная информация – всё то, чем классически оперируют «Big Data», составляет лишь долю процента нашей жизнедеятельности. А так уже хочется анализировать не только то, что набирается на клавиатуре!

Или не только то, на что срабатывают датчики. Никакой геркон не скажет, что хозяйка открыла дверь рецидивисту на доверии. И охранные системы, и технологические процессы, медицина, наука, автотранспортная система и вся наша жизнь, в том числе мы сами, давно нуждаются в видеоанализе, формализация которого пока неподвластна компьютеру.

Тем не менее, Short Data – для многих подраздел Big Data, некая попытка подчинить закономерности то, что невозможно понять компьютеру. При этом «под» этот подраздел намного больше, чем всё то, что сегодня могут анализировать Big Data, - вот такая трансформация сознания по Пелевену: Бог есть в нас, но он и всё, что вокруг нас.

short_data&big_вata.jpg

Дабы выплыть на уровень понимания, нужно вспомнить, что цифровой мир – лишь жалкое подобие мира аналогового. И теорема Котельникова, и ряд Фурье дают нам четко понять, что уровень квантования никогда не достигнет бесконечности (уже потому, что ее достичь невозможно), т.е. цифра не сравнится с творением Божьим – миром аналоговым. Цифры вообще нет в природе, это чистой воды выдумка человека.

monthly.jpg

В природе нет ни цифр, ни даже слов и букв. Но только эти символы и понимает компьютер в более-менее адекватной форме. Т.е. по большей части машина может анализировать лишь то, что ей скармливает человек, ну, и еще измеряемые физические величины. Но наш мир не ограничивается только точными приборами или только человеком, вернее тем, какие символы он набирает. А то, что возможно сегодня оцифровать из природной среды, чаще не совпадает с обратным преобразованием.

Конечно, ученые это объясняют недостаточностью развития науки, проповедуя появление искусственного интеллекта в будущем. Ну, не того ИИ, что сегодня рекламируется чуть ли ни в каждом китайском гаджете, а хотя бы отдаленно сравнимого с человеческим.

Спорить о будущем как-то бессмысленно, поговорим о дне насущном. Уже сегодня человечество крайне нуждается в автоматическом или хотя бы автоматизированном анализе огромных объемов информации. Причем, неформализованной – которую компьютер не особо-то понимает, к ней относятся и звук, и видеоизображение, и множественные физические процессы, для которых не придумали измерительные датчики. Не те, что испытываются в лабораториях, а те, что происходят в жизни.

Конечно, если у вас микрофон под носом, никто рядом не шумит, то вас поймет и компьютер. Но, если вы идете по шумной улице или забыли прикрепить ко рту гарнитуру, то анализировать ваши слова даже с близкорасположенных микрофонов бессмысленно. Еще больше проблем в видеонаблюдении, на него возлагается уже столько важнейших задач, как ни на какого другого спасителя в мире! Считается, что именно видеокамеры должны понимать людей, а то и автотранспорт, анализировать их поведение, реагировать на тревожные ситуации.

С видеонаблюдением связано больше всего мифов - именно мифов, а не слабо проверенных фактов. Видеодетекции наглядно поддаются управляемые процессы в тепличных условиях, коими являются демо-стенды коммерческих фирм. Конечно, в стерильном помещении компьютер еще как-то может идентифицировать некоторые объекты, пересечение ими виртуальных линий, оставленные предметы и даже людей. Но в реальной среде улиц главными действующими лицами будут качающиеся ветки, тени, птицы, насекомые на объективах, блики на лужах и дожде да и просто пересекающиеся по обзору люди, разделить которых на личности пока не могут ни одни компьютерные мозги.

Сегодня мир так и не сдвинулся в распознавании образов в движении, поиска фич замкнутых областей со времен появления интеловской библиотеки Open CV. Сначала Интел даже загрустил по этому поводу, отказавшись от всего направления, но недавно как-то снова реоткрыл нижегородский отдел, видимо, на фоне растущего рынка интереса к чудесам. Только технического прогресса в распознавании поведения объектов как не было, так и нет.

Но, оказалось, что проблему анализа неформализованных данных можно решить совершенно другим путем – без поиска зелененьких человечков (так сегодня скептики называют классическую видеоаналитику). Мы все гоняемся за свободными компьютерными ресурсами, некоторые даже зарабатывают на этом криптовалюту, но иногда забываем про свободные человеческие ресурсы, которые тоже не прочь подзаработать. И еще неизвестно, чему или кому выгоднее платить.

Short Data <> Big Data

У человека разумного, уж, точно есть интеллект, причем, не какой-то там искусственный. Понять, что тот дядя в маске и с автоматом совершает что-то незаконное, в отличие от компьютера, может практически любая бабушка-пенсионер. Понять человеческую речь в толпе может даже подросток. Но, но, но… у человека есть слишком много слабостей: от нежелания работать долго до неумения обращать внимания на важные явления. Для них придумали специальное определение – человеческий фактор. И как-то все в него уперлись, унизив человека настолько, что говорить не об искусственном интеллекте в технологических задачах стало уже неприлично.  

Появление прорывной технологии в анализе неформализованных данных Short Data еще трудно воспринимается именно потому, что в ряде задач она лишь убивает человеческий фактор, ну, естественно, не насмерть. Вместо многочасового постоянного внимательного контроля за сотней камер – редкие тревоги с требованием дать оценку видеосюжету. Вместо прослушивания всех разговоров полностью, смысл которых понятен с первых секунд, быстрый переход к новому. Это совсем другой уровень, где, например, бабушка-консьержка может отлеживать тысячу охранных видеокамер – без ущерба безопасности объекта. А какой-нибудь бренд-менеджер, изучающий записи телефонных переговоров компании, быстро перемещаться между звонками клиентов – без необходимости слушать их до конца, т.к., где конец, в стандартной записи неизвестно до полного прослушивания.

При этом целый комплекс программного обеспечения может следить за оператором, как, например, в аутсорсинговом видеонаблюдении Айпиконсьерж. «Короткие данные» сокращают человеческие ресурсы, позволяя людям делать формализацию, а уже формализованные они легко поддаются компьютерному анализу и машинному контролю за самой формализацией. Круг замкнулся!

Short Data

Итак, «короткие данные» основываются не на какой-то осознанной (формализованной) информации, это набор неизвестных и непонятных компьютеру коротких отрывков из потока данных. Но эти миниатюры дают понимание о длительных процессах, к тому же неся в себе приличный набор сравнительных характеристик, по которым можно решать множество прикладных задач. Так же как ряд Фурье раскладывает сигнал на сумму функций, Short Data раскладывает поток неопределенностей (например, видеозаписей) на смыслы (например, видеосюжеты в видеозаписях).     

Пример использования в видеонаблюдении, например, для такого огромного потока данных, как Москва:

Оказывается, чтобы понять происходящее в огромной груде информации, совсем необязательно что-либо распознавать или классифицировать. Достаточно ее уменьшить! Это крэзи:
– Как, Вы реально думаете, что таким образом можно заменить искусственный интеллект?
- Всего две бабушки за 2 рубля в месяц заменят сотни суперкомпьютеров! Надо только правильно подключить мозги этих бабушек к компьютеру.
- Вы аферист, коллега, это квазинаука!!!
- Аферисты те, кто декларирует искусственный интеллект, а мы говорим о доказанном наукой человеческом интеллекте.
Периодически происходят вот такие споры.

Итак, Short Data – это представление огромных объемов информации в краткой форме. Но, так как в ней нет ИИ, ее может понять, в основном, только человек. Здесь нужно добавить главное: в этом виде представления данных человек, по крайней мере, хотя бы способен охватить эти огромные объемы информации. Это все равно, что рассказать сюжет фильма за минуту: уже по тому, что там была любовь, пляж и музыка, можно сделать вывод, что он вам не понравится, если вы только любите фильмы про войну. Заметьте, было дано всего три описательных слова! А всего три видеоролика может сказать обо всём, что происходило за последние полтора часа на объекте, где установлено 100 камер.

«Короткие данные» не анализируют информацию как таковую, но вписываются в физиологию человека, дают ему возможность быстро осилить очередную гору информации, и это, безусловно, технологический прорыв.

Например, в такой сфере как безопасность (и не только), чтобы предвидеть будущее, нужно знать прошлое. Злодеи не стремятся сходу сесть в тюрьму, свои преступления готовят, как минимум, изучают понравившийся объект, причем, иногда месяцами. Эту подготовку можно бы и заметить, если хотя бы раз в неделю просматривать записи системы видеонаблюдения, но кто же будет тратить сотни часов на отсмотр архивов?

Короткие данные позволяют за секунды показать всю активность за день, причем, даже так, что пользователю не нужно ничего нажимать, никуда идти или что-то специально для этого делать. Например, вот такой планшетный домофон, висящий у вас в прихожей, доведет всю информацию ненавязчиво.

Short Data, естественно, нуждаются в технологических инструментах для определения границ событий. Ведущую роль здесь играют видео и аудиосемантика. Видеосемантика анализирует картину детекции, находя в ней новые характеристики движения. Аудиосемантика отслеживает изменения шумовой, речевой и частотной обстановки. Но они работают не в качестве детектора какого либо параметра, а на основе изменения статистики. И вот это очень важный фактор, который вывел эти технологии на высокий уровень практичности.

Мы уже говорили, что главной проблемой анализа жизненных явлений является сама жизнь – естественные помехи. Но в статистическом наблюдении процессов помехи входят в саму статистику. При поиске изменений статистических параметров помехи вычитаются сами из себя. В частном мы имеем привнесенные изменения без помех – чистые данные, которые и интересны пользователю.

Ну, конечно, с определенными долями погрешности. Естественные помехи тоже непостоянны и могут как неожиданно начаться, так и неожиданно исчезнуть. Пошел снег, прилетели голуби, мошка села на камеру… Но «короткие данные» на то и короткие, потому что укорачивают всё – в том числе и помехи. Тревожный монитор оператора не будет засоряться постоянными срабатываниями алармов до полного окончания снега или до завтрашнего визита голубей. Картина их поведения, хоть и не осознанно, изучена – на нее будет только одна сработка в момент первого появления, и всё!

Когда число «ложняков» не превышает 10% от полезных данных, такой вид наблюдения за процессами можно считать почти идеальным. Для сравнения, классическая видеоаналитика иногда выдает свыше 1000% ложных сработок по отношению к тому, что действительно нуждается в просмотре. А простой видеодетектор вообще будет писать постоянно, если хотя бы какая-то веточка в кадре дергается. Детектор звука на улице будет всегда срабатывать, например, на гул машин.

Видео- и аудиосемантика вычисляют границы смыслов. К вам в офис приходит 10 клиентов, кто на 2 минуты, кто на 2 часа. Вам нужно прослушать разговоры с вашими продавцами на предмет интереса покупателей и качества обслуживания. Сколько потребуется времени? Тема почти любого разговора сразу понятна с первой минуты. Но вам придется дослушать каждый разговор до конца только для того, чтобы найти начало следующего разговора. А звук – не видео, которое можно раза в 4 без слишком больших потерь информации ускорить. Кроме того, и во время разговора могут быть неадекватные заявления, изменения эмоциональности и проч. Желательно и их не упускать. Аудиосемантика как раз и выдает ключевые места, на которые следует обратить человеку, вместо суточного прослушивания каждых суток!

Чтобы вспомнить какой-либо разговор, тоже не нужно хранить все 2 часа записи, 30 секунд достаточно, чтобы идентифицировать голос и тему обсуждения. Такой архив на «коротких данных» хранит информацию во много раз дольше. Особенно это актуально в видеонаблюдении, где ЦОД-ы захлебываются от видеопотоков. Во-первых, классические архивы быстро самостираются, во-вторых, в этой груде трудно что-либо проанализировать. Представьте, например, банковские проблемы в выдаче кредитов по чужим паспортам. Эта уже эпидемия. И как отследить, тот или не тот человек получал кредит три года назад? Этот процесс не минутный, кредитор часами заполняет различные документы, да еще и не по одному десятку раз приходит. Если тупо писать всё, видеозапись не проживет и месяца. Короткие видеоролики из нескольких секунд каждого прихода будут храниться 20 лет на тех же магнитных носителях.

Уже миллионы клиентов, как заявляют сотрудники ЦОД-ов, пользуются облачными сервисами видеонаблюдения. Но даже для сегодняшнего дня развития сети Интернет и даже при кодеке H.265 пока видеопотоки являются слишком тяжелым бременем, которое ложиться и на пропускную способность и на дисковые хранилища. Перекачка видео с пары мегапиксельных камер может похоронить всю пропускную способность Интернета пользователя, даже при том, что она идет в обратном направлении. Тот же Скайп встанет сразу. В этом смысле облачные сервисы на Short Data намного практичней. Ведь охранная видеозапись – не кино, подробная съемка пальца в носу не требуется, важны лишь факты. Короткие видеоролики полностью передают внешность, характер поведения и знаковые действия каждого лица, подходящего к дому.

По ним легко откатиться на 20 лет назад и вспомнить, кто подарил вам уже старую на этот момент люстру. Такое облако может вести летопись вашей жизни: кто заходил, с кем, когда, что нес и откуда. Некий автоматический Инстаграм, который сам снимает все события вашей жизни и складывает в длительный архив. Например, Далекий свидетель Farwit.com – облачный видеосервис на «коротких данных». Кстати, он не только хранит смыслы событий, но и привязывает их к ГИС-карте.

  безопасный город


Немного опровергая выше сказанное, заметим, что даже в неформализованных данных есть возможность осознанного анализа. И это естественно, потому что у Short Data есть есть своя статистика, точнее сказать, они и работают на ней. Поэтому можно видеть наглядные картины всеразличных статистических изменений, а где-то даже осуществлять видео-учет.

      

Статистическая информация по каждому алгоритму пишется в архив наряду с видео- и аудиопотоком. Формат CVS доступен даже в Excel. 



Как применить технологию Short Data в классическом видеонаблюдении?


Постфактум меняем на Профилактику
Сегодня системы видеонаблюдения выполняют лишь функцию свидетеля уже свершившегося преступления, и то, только в тех редких случаях, когда точно известно его место и время. Чаще всего, свидетеля не самого достоверного, т.к. в видеозаписях редко удается разглядеть лица людей, номера автомобилей и другие приметы подозреваемых. Огромные деньги, затраченные на безопасность, расходуются лишь на дополнительную констатацию и так очевидных фактов.

Но преступники не стремятся сесть в тюрьму во что бы то ни стало, и даже катастрофы совершаются не вдруг. Почти у всех криминальных и техногенных происшествий есть стадия подготовки или признаки развития. Злоумышленник не раз заглянет на запланированный объект, чтобы осмотреть пути доступа, предстоящая авария в ЖКХ не за один день набьет оскомину своими внешними проявлениями, и даже автотранспортные коллапсы чаще всего имеют предварительный цикл очевидной безалаберности водителей на дороге. Высокую вероятность ЧП возможно спрогнозировать как по конкретной камере, куда, например попадает нестандартное действие того или иного человека, так и по единому характеру какого-либо поведения в большом числе камер. 

Находить закономерности и смыслы – основная задача видеосемантики в видеонаблюдении, которую мы и предлагаем внедрить в городских системах видеоконтроля.

«Видеосемантика — краткое логическое изложение видеоинформации путём разложения ее на семантические единицы (видеосюжеты), каждый из которых имеет свой законченный смысл, отличающийся от предыдущего и последующего видеосегмента. Это особое направление видеоаналитики…» (ВикипедиЯ)

Мы предлагаем писать не всё подряд или не только всё подряд, но и «смыслы» - краткие видеоролики, передающие информацию о законченных длительных событиях. А в дальнейшем полностью перейти на событийное видеонаблюдение, т.к. оно занимает в сотни и тысячи раз меньше места на дисковом пространстве, легко «поднимается» плеерами, не требует конвертации, быстро пересылается, а главное – формализуется человеком, что позволяет проводить высочайшего класса машинный анализ. 
Наконец, надо заменить человека машиной, хотя бы на 50%. Сегодня же в видеонаблюдении работает только человек, если он не заметит важное событие на экране мониторов, оно потеряется в пучине архивов. 


Повышаем эффективность архивов добавлением аналитического формат данных
Польза сегодняшних огромных ЦОД-ов крайне сомнительна, пока затраты на них не покрывают и миллионной доли от той нужной информации, которую наши правоохранители смогли найти в архивах. Уникальная расточительность! Вложить миллиарды на то, чтобы отследить пару краденых сумочек в неделю и раз в год мелкую фигуру убийцы Немцова без лица и сообщников – не самое удачное вложение денег. Тем более что в теракте в Домодедово такая же система на потоковом кодеке не смогла синхронизироваться при высокой активности по кадру, что привело к полной потери записи (помогла лишь камера из банкомата напротив с кодеком другого - немодного типа).

Записывать всё, как делается сейчас, – то же самое, что не записывать ничего. Чтобы похоронить информацию, ее нужно разместить в месте, где очень много информации. Вот так можно охарактеризовать полезность большинства сегодняшних систем видеоконтроля, предлагающих поиск лишь по времени и камере. Остро стоит проблема - отсутствия в записях смыслов, позволяющих производить какой-либо анализ как человеком, так и компьютером. 

Продекларированные зачатки видеоанализа обычно выполнены или на открытой технологии «Open CV», работы по которой прекращены Интелом в виду ее непрактичности, или ее производной у фирмы ObjectVideo, на которую подали в суд Bosch, Sony, Samsung и другие использующие данную видеоаналитику крупные компании. 

Источники: http://ipvideomarket.info/report/objectvideo_lawsuit_bosch_samsung_and_sony, перевод: http://www.goal.ru/security-systems-video/videoanalitica_bosch_sony_samsung/. Также упоминается белорусская система «Синезис», которая не может корректно анализировать даже теоретически, что доказывается ее описанием в ее же инструкции http://habrahabr.ru/post/258025/ и http://habrahabr.ru/users/Videoanalitic/topics/.

Видеосемантика, в этом плане, представляет собой сбор статистики движений и построенных на их базе моделей поведения. Ее сработки основываются на отклонении от нормы постоянно накапливаемой статистики. Такой процесс в науке называется самообучением. Т.е. сам компьютер на базе ПО «Спецлаб-Аналитикс» способен самообучаться - на базе выявленной статистики в видеоаналитике.

При этом каждый видеосюжет формализуется машиной некой закономерностью, что позволяет оценивать его как в текущем оповещении, так и искать в архивах по общим чертам какого-либо происшествия. 

С другой стороны, огромный административный ресурс России, занимающийся расследованием всевозможных ЧП, сегодня тратится впустую. В нашей стране ни одно преступление, ни одно происшествие – при том, что по ним проводится огромная человеческая работа по анализу и наказанию виновных - не имеет компьютерного отпечатка, кроме как текстовых документов, не несущих аналитической информации для использования самим компьютером. В систему «Спецлаб-Аналитикс» достаточно заносить несложные смысловые теги, чтобы она начала работать на сравнение происходящего с тем, что уже было проанализировано или анализируется в данный момент человеком. Вводим небольшую WEB-форму отчета на 4 строчки текста, которую можно заполнить на любом устройстве - и вся армия чиновников начнет незаметно для себя обучать глобальный компьютер, закладывая в него быстрые отчеты по происшествиям.

Таким образом, предлагается создать двойную систему аналитической базы «Спецлаб-Аналитикс»:
1. Онлайн компьютеризированный анализ видео сюжетов с помощью видеосемантики.
2. Офлайн формат описания происшествий, заполняемый человеком после проведения следственных мероприятий или при наличии очевидных данных для заполнения текстовой формы «Спецлаб-Аналитикс».

Наличие понятных компьютеру терминов позволит использовать аналитическую базу для прогнозирования чрезвычайных происшествий по их подготовительным и статистическим признакам. 
Это позволит выявлять происшествия не только ПОСЛЕ их свершения, а ВО ВРЕМЯ и даже ДО.

Сейчас же всё пишется и всё быстро стирается – это не самый эффективный цикл в 21-ом веке. Охватить информацию с сотен тысяч камер не могут никакие ситуационные центры с даже огромным числом персонала, если нет обработки. 

 

Краткосрочный зашлакованный видеоархив меняем на информативный долговременный
Период хранения стандартных видеозаписей крайне мал, обычно не более месяца - закладывается в большинство проектов, потому что видеофайл по-прежнему занимает много места. Хотя слово «по-прежнему» не совсем верно отображает ситуацию – с увеличением разрешения видеокамер и активности сцены объем записываемых данных всё время ещё больше растет.

Только непонятно, зачем вообще хранить груды бесполезной информации? Если человек идет перед камерой, повторяя свои движения руками и ногами, то зачем писать весь процесс его прохода? Короткий, например, 4-секундных ролик и так покажет самого человека, его приметы, направление движения, даже характер походки. 

Вместо минутной записи, а скорость записи 25 кадров в секунду, и 25 к. х 60 сек = 1500 кадров, нам достаточно 25 к. х 4 сек = 100 кадров. 100 или 1500 мегапиксельных кадров на диске – разница есть? 

Да и по просмотру архивов видеосемантический вариант удобнее. Что мы имеем в сегодняшних системах видеозаписи? Вместо нескольких кадров, на которых и так все понятно, мы просматриваем весь путь данного человека от начала до конца, хотя каждые 4 секунды почти в точности повторяют предыдущие и последующие.

При этом видеосемантика отслеживает все изменения. Если человек остановился или побежал, присел или подпрыгнул, достал что-то из кармана или положил, расстался или встретился с другим человеком, мы запишем еще 4 секунды. 

И тут такой же резонный вопрос: какой смысл писать на видео полчаса разговора двух людей, если мы все равно не слышим, о чем они говорят? Вместо 45 000 кадров (30 мин х 60 сек х 25 кадров/сек = 45 000 кадров) на диске, мы положим туда только 100 кадров. Сокращение в 450 раз!

При этом сможем посчитать и время разговора, т.к. по окончании события мы увидим еще один 4-секундный видеоролик расхождения этих людей.

Естественно, что в каждом видеособытии есть время его создания, поэтому рассчитать хронологию не составляет труда, мы ничего не теряем в восприятии.

При этом мы много чего добавляем информативного – полезного с точки зрения оценки ситуации. Мы можем посчитать отклонение от статистики времени прохода, скорости передвижения, траектории перемещения, длительности остановок, характера движений… Чтобы совершить что-то необычное, как правило, нужно совершить действия, отличающиеся от общей картины происходящего. 

И здесь не нужен человек-оператор, такие незаметные для него «мелочи» легко подмечает компьютерное зрение, просчитывающее каждый кадр. 
Более того, множество криминальных ситуации вычисляется просто по превышению времени входа в здание – на взлом замков уходит гораздо больше времени.

Или по перемещению редко детектируемых зон, например на заборе.

Таким образом, мы имеем два уровня просмотра семантического архива: 
1. «Событийный» – все видеозаписи сокращаются до ключевых видеосюжетов. При этом всю ту же информацию, что предоставляет длинный архив, можно получить в сотни раз быстрее.
2. «Криминальный» – из событий выбираются видеозаписи с явным отклонением от нормы. Это не значит, что здесь будет проявляться только криминал, но круг его поиска будет значительно сужен. 

Естественно, и тут и там будут подмешиваться естественные помехи, от которых при отсутствии искусственного интеллекта (появление которого пока ждать не приходится) никуда не избавиться. Но видеосемантика тем и хороша, что таким же образом, как и людей, оценивает поведение помех, также сокращая их запись и также выявляя их статистическое поведение, на повторение которого можно не реагировать. Качающиеся ветки, блики, снег и прочие неприятности для видеонаблюдения, как правило, проявляются в тех же местах и с теми же параметрами, что позволяет отстраиваться от повторений. Таким образом, ко всему прочему мы выкидываем необходимость складирования на дисковое пространство видеозапись огромного числа помех. 

Даже, если кто-то не готов полностью отказаться от принципа «записывать ВСЕ», можно разделить архив на две части: 
1. Архив кратковременного хранения, который уже сейчас есть, и он способен удерживать информацию лишь один месяц.
2. Архив долговременного хранения – последовательность кратких видеосюжетов по каждому событию. Такой архив на тех же дисковых пространствах будет оставаться до циклического стирания несколько лет. 

Экономия на видео хранилищах – сотни раз по сравнению с обычной видеозаписью. 



Тяжелый для просмотра архив меняем на легкий, экономя ресурсы и ускоряя процесс
Повсеместно используемый кодек H.264 – даже по своей спецификации – крайне тяжелый высоко нагрузочный алгоритм, требующий для разжатия больших процессорных мощностей, что еще больше усугубляет процесс доступа к данным и их анализа. Каждый, кто имел дело с видеомонтажом, знает, что процесс экспорта любого участка видеозаписи, сделанной киношной камерой, требует длительного пересчета всего файла. Запрос сразу большого числа видео фрагментов из разных файлов по какому-либо событию производится долго и непродуктивно. И, естественно, требует серьезных процессорных ресурсов. 

Хранящиеся на диске уже подготовленные семантические видеосюжеты не требуют какой-либо обработки и легко поднимаются на просмотр, что сокращает ресурсоёмкость и удешевляет используемое оборудование на всех уровнях контроля. 

Становится доступным многоканальное проигрывание записей большого числа камер – нескольких сотен одновременно. Больше не требуется тратить время на отсмотр шлака – длительно происходящих событий одного и того же плана. 

Самое уникальное, это просмотр архива как картинной галереи из видеосюжетов: на экране появляется множество повторяющихся видеороликов. Такая технология созвучна нашей физиологии: человеческий мозг, может быть, не может долго отсматривать рутинную видеозапись, но зато способен быстро найти нужное в большом количестве информации. В отличие от компьютерного, человеческий интеллект доказан наукой. 

Мы предлагаем использовать его кратковременно и по назначению. Как любой бомж в Англии может говорить по-английски, также любой человек в нашей стране способен заметить в гуще событий опасный предмет, подозрительное поведение или другой угрожающий момент. Это дано нам с детства и не требует дополнительного обучения. Быстро найти в видео галерее человека с автоматом может даже ребенок.

Таким образом, архивы перестают быть чем-то грузным и невостребованным, а становятся быстро и удобно просматриваемыми. Сокращаются затраты и требования к процессорным мощностям и каналам передачи данных.

Если процессоры просто стоят дорого, то прокладка линий связи стоит очень дорого. До сих пор ни один мобильный канал не отвечает требованиям работы с видео архивами. Чтобы одновременно смотреть хотя бы две камеры с высоким разрешением, нужна, как минимум, локальная проводная сеть. Если не хватает пропускной способности Wi-Fi, что говорить про удаленные объекты, где в лучшем случае присутствует только 3G и не самого хорошего качества? 


Оперативное использование данных. Неповоротливый архив меняем на гибкий
В большинстве систем видеонаблюдения вообще нет инструментов для коллективной работы с полученными полезными видео данными и их оперативной обработки, регламентов реакции и межведомственного взаимодействия. Большее, что предлагается, это скопировать куда-то, послать по сети какие-то выдержки информации – и всё. Всё, как в прошлом веке. 

В экстренных оперативных условиях, когда необходимо быстро выделить нужное в архиве и передать «наверх», нет времени для визуального поиска чрезвычайного события в потоках времени и большом числе камер. Нет времени ждать, когда компьютер пережмет вырезку сюжета из основного файла архива. Нет времени и на подготовку электронных писем или других стандартных видео сообщений. 

Спецлаб предлагает выбрать уже готовый сюжет из галереи записанных видеособытий и перенести его на заданную часть экрана. Он мгновенно отправляется получателю на его оперативную панель компьютера или мобильный телефон. Всё очень быстро и оперативно. 

Это же действие может быть направлено на папку «ВСЕ», по нему выбранное видеособытие сваливается всем прописанным в этой папке лицам одновременно, что экономит время и каналы передачи данных. 

…………  Весь фундаментальный список всех возможностей Short Data можно получить в компании Спецлаб по запросу. 


Вывод: малый период хранения, тяжелый доступ к архивам, отсутствие высокоуровневвого анализа, инструментов обработки и онлайнового коллективного взаимодействия, а также ресурсоемкость – основные показатели систем видеоконтроля в российских городах. Само по себе использование принципа реакции «ПОСЛЕ» того, как что-то случилось, а не «ДО» и даже не «ВО ВРЕМЯ», говорит о некоторой отсталости системы в постиндустриальном 21-ом веке.

Всё можно безболезненно поменять или просто модернизировать…